CN117114547B - 基于云平台的港区企业集群式安全责任预警方法及系统 - Google Patents
基于云平台的港区企业集群式安全责任预警方法及系统 Download PDFInfo
- Publication number
- CN117114547B CN117114547B CN202311386464.6A CN202311386464A CN117114547B CN 117114547 B CN117114547 B CN 117114547B CN 202311386464 A CN202311386464 A CN 202311386464A CN 117114547 B CN117114547 B CN 117114547B
- Authority
- CN
- China
- Prior art keywords
- storage tank
- cargo
- bounding volume
- information
- harbor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000005094 computer simulation Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000036544 posture Effects 0.000 claims description 4
- 238000012502 risk assessment Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008531 maintenance mechanism Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Emergency Management (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及大数据处理技术领域,特别是涉及一种基于云平台的港区企业集群式安全责任预警方法、系统、计算机设备、存储介质和计算机程序产品。方法包括:获取目标港区的储罐组信息,构建储罐组安全基础模型;获取待处理的目标调度任务信息,创建目标储罐仓储单元包围体模型;将目标储罐仓储单元包围体模型载入所述港区重大危险源的储罐组安全基础模型,执行动态模拟;若目标储罐仓储单元包围体模型与其他储罐仓储单元包围体模型存在重大危险源的货种安全风险叠加点,则在储罐组内货种中重大危险源的货种安全风险叠加点插入防碰撞提示,基于修改后目标调度任务信息向目标企业发出安全预警。采用本方法能够提高港区重大危险源储罐组安全。
Description
技术领域
本申请涉及大数据处理技术领域,特别是涉及一种基于云平台的港区企业集群式安全责任预警方法、系统、计算机设备、存储介质和计算机程序产品。
背景技术
港口储罐区是港区重大危险源管理重点和难点,应急救援物质各家企业配备,但是遇到安全事故,还是需要一体化的安全管理。是位于海、江、河、湖、水库沿岸,具有水陆联运设备以及条件以供船舶安全进出和停泊的运输枢纽。港区内的危险货物是水陆交通的集结点和枢纽处,是工农业产品和外贸进出口物资的集散地,也是船舶停泊、装卸货物、上下旅客、补充给养的场所。在港口中,集装箱运输是十分重要的功能部分,通过承担集装箱的转运、存储、分发等运输功能,能够实现运输的全球化、信息化、高效化以及现代化,是港口运输能力增量、增效的重要因素。基于港区承担重要的经济功能,以及港区所存在的复杂的基础体系,如何减少港区内运输车辆在运输过程中发生的事故,降低事故带来的运输工具、工程器械以及货品资源的损失成为的亟待解决的问题。相应的,港区内车辆、货物、船舶的调度指挥,以及港区的环境、货品、车辆的安全维持机制凸显出十足的重要性。
安全预警机制是一种有效防范事故发生,针对与事故关联的风险信息进行预防的一系列方案。为了解决港区重大危险源储罐区的总体安全风险管理的问题,通常可以基于安全风险预警的核心思路,对可能存在总体安全风险隐患的风险要素进行重点的把控和处理,从而降低整体港区内安全事故发生的可能性。
目前,通常可以在港区储罐区内搭建智能化的总体石化储罐群安全风险管理调度平台,通过对港区内的总体安全风险进行监测,依据货种的特性,有效地划分安全风险群落结构,使得石化储罐群储罐区的总体安全管理调度平台得以在服务器层面对港区内的石化储罐群应急物资进行统一的调度管理,依据储罐区的网络化结构,有效地划分安全风险群落,降低各自群落中石化储罐群储罐区的安全风险和应急物资的利用率,从而从整体层面提高港区整体的石化储罐群储罐区安全应急管理水平。
然而,目前的安全管理方式或者传统方法,存在如下的技术问题:
在对港区内石化储罐群组的危险性进行安全管理的过程中,通常以储罐群组为对象进行管理,但是基于港区内储罐群组的货种危险属性,储罐群组的货种同样可能影响石化储罐群组的安全情况,仅以单个储罐为研究对象进行管理时,难以克服相关问题,导致对港区安全水平的提高有限。
发明内容
基于此,有必要针对上述技术问题,提供一种能够根据货物情况提高碰撞预警的精准度,提高港区的重大危险源的储罐组安全的一种基于云平台的港区企业集群式安全责任预警方法、系统、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种基于云平台的港区企业集群式安全责任预警方法。所述方法包括:
获取目标港区的储罐组信息,基于所述储罐组信息构建港区重大危险源的储罐组安全基础模型,所述储罐组信息包括节点信息以及路段信息,所述路段信息与至少两个所述节点信息关联;
获取待处理的目标调度任务信息,基于所述目标调度任务信息创建目标储罐仓储单元包围体模型,所述目标调度任务信息包括预设重大危险源的储罐组内的货种;
将所述目标储罐仓储单元包围体模型载入所述港区重大危险源的储罐组安全基础模型,基于所述目标调度任务信息中的预设重大危险源的储罐组内的货种与所述港区重大危险源的储罐组安全基础模型中的其他储罐仓储单元包围体模型执行动态模拟;
若所述目标储罐仓储单元包围体模型与其他所述储罐仓储单元包围体模型存在重大危险源的货种安全风险叠加点,则在所述预设重大危险源的储罐组内的货种中的所述重大危险源的货种安全风险叠加点插入防碰撞提示,基于修改后的所述目标调度任务信息向目标企业发出安全预警。
在其中一个实施例中,所述路段信息还包括载具信息以及货物信息,所述获取待处理的目标调度任务信息,基于所述目标调度任务信息创建目标储罐仓储单元包围体模型包括:
调用预设的包围体算法,基于所述载具信息创建载具包围体模型,基于所述货物信息创建货物包围体模型;
基于所述货物装配信息将所述载具包围体模型与所述货物包围体模型组合,所述货物装配信息包括相对位置以及相对姿态。
在其中一个实施例中,所述基于所述货物装配信息将所述载具包围体模型与所述货物包围体模型组合,所述货物装配信息包括相对位置以及相对姿态之后,还包括:
将组合后的所述载具包围体模型以及所述货物包围体模型的尺寸按照预设的比例进行数值膨胀处理,获取所述储罐仓储单元包围体模型。
在其中一个实施例中,所述将所述目标储罐仓储单元包围体模型载入所述港区重大危险源的储罐组安全基础模型,基于所述目标调度任务信息中的预设重大危险源的储罐组内的货种与所述港区重大危险源的储罐组安全基础模型中的其他储罐仓储单元包围体模型执行动态模拟包括:
基于所述港区重大危险源的储罐组安全基础模型构建三轴空间坐标系;
在所述动态模拟中分别获取每个所述储罐仓储单元包围体模型在所述三轴空间坐标系的每个坐标面上的投影图形;
当不同的所述储罐仓储单元包围体模型的投影图形重叠时,将重叠位置记录为所述储罐仓储单元包围体模型的所述重大危险源的货种安全风险叠加点。
在其中一个实施例中,所述当不同的所述储罐仓储单元包围体模型的投影图形重叠时,将重叠位置记录为所述储罐仓储单元包围体模型的所述重大危险源的货种安全风险叠加点包括:
若两个所述投影图形之间的最小距离小于预设的安全距离,则同样判定与所述投影图形对应的所述储罐仓储单元包围体模型存在重大危险源的货种安全风险叠加点。
在其中一个实施例中,所述方法还包括:
基于所述目标调度任务信息,获取货物属性类别;
根据所述货物属性类别在预设的货品管理数据库中确定与目标货物存在风险反应的第一货品类型;
在所述动态模拟中,提高属于所述第一货品类型的第一储罐仓储单元包围体模型与所述目标货物之间的所述安全距离。
第二方面,本申请还提供了一种基于云平台的港区企业集群式安全责任预警系统。所述系统包括:
储罐组模型模块,用于获取目标港区的储罐组信息,基于所述储罐组信息构建港区重大危险源的储罐组安全基础模型,所述储罐组信息包括节点信息以及路段信息,所述路段信息与至少两个所述节点信息关联;
储罐仓储单元模块,用于获取待处理的目标调度任务信息,基于所述目标调度任务信息创建目标储罐仓储单元包围体模型,所述目标调度任务信息包括预设重大危险源的储罐组内的货种;
动态模拟模块,用于将所述目标储罐仓储单元包围体模型载入所述港区重大危险源的储罐组安全基础模型,基于所述目标调度任务信息中的预设重大危险源的储罐组内的货种与所述港区重大危险源的储罐组安全基础模型中的其他储罐仓储单元包围体模型执行动态模拟;
安全风险叠加预警模块,用于若所述目标储罐仓储单元包围体模型与其他所述储罐仓储单元包围体模型存在重大危险源的货种安全风险叠加点,则在所述预设重大危险源的储罐组内的货种中的所述重大危险源的货种安全风险叠加点插入防碰撞提示,基于修改后的所述目标调度任务信息向目标企业发出安全预警。
在其中一个实施例中,所述路段信息还包括载具信息以及货物信息,所述储罐仓储单元模块包括:
分体模型模块,用于调用预设的包围体算法,基于所述载具信息创建载具包围体模型,基于所述货物信息创建货物包围体模型;
模型组合模块,用于基于所述货物装配信息将所述载具包围体模型与所述货物包围体模型组合,所述货物装配信息包括相对位置以及相对姿态。
在其中一个实施例中,所述模型组合模块之后,还包括:
模型膨胀模块,用于将组合后的所述载具包围体模型以及所述货物包围体模型的尺寸按照预设的比例进行数值膨胀处理,获取所述储罐仓储单元包围体模型。
在其中一个实施例中,所述动态模拟模块包括:
空间坐标模块,用于基于所述港区重大危险源的储罐组安全基础模型构建三轴空间坐标系;
模型投影模块,用于在所述动态模拟中分别获取每个所述储罐仓储单元包围体模型在所述三轴空间坐标系的每个坐标面上的投影图形;
重叠检测模块,用于当不同的所述储罐仓储单元包围体模型的投影图形重叠时,将重叠位置记录为所述储罐仓储单元包围体模型的所述重大危险源的货种安全风险叠加点。
在其中一个实施例中,所述重叠检测模块包括:
安全距离模块,用于若两个所述投影图形之间的最小距离小于预设的安全距离,则同样判定与所述投影图形对应的所述储罐仓储单元包围体模型存在重大危险源的货种安全风险叠加点。
在其中一个实施例中,所述系统还包括:
货种属性模块,用于基于所述目标调度任务信息,获取货种属性类别;
类别检测模块,用于根据所述货种属性类别在预设的货品管理数据库中确定与目标货物存在风险反应的第一货品类型;
安全距离调整模块,用于在所述动态模拟中,提高属于所述第一货品类型的第一储罐仓储单元包围体模型与所述目标货物之间的所述安全距离。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如第一方面中任意一项实施例所述的一种基于云平台的港区企业集群式安全责任预警方法中的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面中任意一项实施例所述的一种基于云平台的港区企业集群式安全责任预警方法中的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如第一方面中任意一项实施例所述的一种基于云平台的港区企业集群式安全责任预警方法中的步骤。
上述如一种基于云平台的港区企业集群式安全责任预警方法、系统、计算机设备、存储介质和计算机程序产品,通过独权中的技术特征进行推导,能够达到对应背景技术中的技术问题的如下有益效果:
通过储罐组信息构建得到港区交通的基础模型,从而得以根据港区重大危险源的储罐组安全基础模型对区域内的货运车辆的碰撞情况进行基础的预测。随后,可以根据调度任务信息对每一项货运任务进行分析处理,并将每一项货运任务的运输单位构建为包围体模型,从而得以通过包围体模型对整个车辆的占用空间情况进行概括,同时得以将整个车辆的空间情况应用到后续的碰撞预警中。随后,在港区重大危险源的储罐组安全基础模型上按照预设的行驶重大危险源的储罐组内的货种对目标车辆的动态行驶情况进行模拟,从而得以掌握与车型和货物的空间模型为基础,在按照重大危险源的储罐组内的货种移动的过程中可能存在的碰撞情况,最后得以根据检测得到的重大危险源的货种安全风险叠加点进行安全预警。在模拟中,以车辆以及货物组成的包围体模型作为对象进行仿真,有助于避免仅考虑车辆进行仿真,而导致的货品尺寸过大的碰撞问题,同时对货品属性进行考虑,有助于降低危险品货物带来的安全隐患。最终有助于提高港区交通的安全稳定性。
附图说明
图1为一个实施例中一种基于云平台的港区企业集群式安全责任预警方法的应用环境图;
图2为一个实施例中一种基于云平台的港区企业集群式安全责任预警方法的流程示意图;
图3为一个实施例中一种基于云平台的港区企业集群式安全责任预警系统的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
目前,通常可以在港区内搭建智能化的石化储罐群管理调度平台,通过对港区内的路况进行检测,使得石化储罐群管理调度平台得以在服务器层面对港区内的石化储罐群进行统一的调度管理,降低石化储罐群内装卸、储存、日常维护的安全风险可能性,从而从整体层面提高港区整体的石化储罐群安全水平。
然而,目前的安全管理方式或者传统方法,存在如下的技术问题:
在对港区内石化储罐群进行安全管理调度的过程中,通常以储罐群为对象进行管理,但是基于港区内储罐群的货种属性,车辆所运输的货物同样可能影响石化储罐群安全情况,仅以储罐群为对象进行管理时,难以克服相关问题,导致对港区安全水平的提高有限。
基于此,本申请实施例提供的一种基于云平台的港区企业集群式安全责任预警方法,可以应用于如图1所示的应用环境中。其中,企业终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。数据采集设备106通过网络与服务器104进行通信,传输对车辆以及货物进行检测得到的数据。其中,终端102可以但不限于是各种个人防爆计算机、防爆笔记本电脑、智能防爆手机、防爆平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能防爆音箱、智能防爆电视、智能防爆空调、智能防爆车载设备等。便携式可穿戴设备可为智能防爆手表、智能防爆手环、防爆头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种基于云平台的港区企业储罐集群式安全责任预警方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤201:获取目标港区的储罐组信息,基于所述储罐组信息构建港区重大危险源的储罐组安全基础模型,所述储罐组信息包括货种信息以及货种风险信息,所述货种风险安全管理信息相互关联。
步骤202:获取待处理的目标调度任务信息,基于所述目标调度任务信息创建目标储罐仓储单元包围体模型,所述目标调度任务信息包括预设重大危险源的储罐组内的货种。
步骤203:将所述目标储罐仓储单元包围体模型载入所述港区重大危险源的储罐组安全基础模型,基于所述目标调度任务信息中的预设重大危险源的储罐组内的货种与所述港区重大危险源的储罐组安全基础模型中的其他储罐仓储单元包围体模型执行动态模拟。
步骤204:若所述目标储罐仓储单元包围体模型与其他所述储罐仓储单元包围体模型存在重大危险源的货种安全风险叠加点,则在所述预设重大危险源的储罐组内的货种中的所述重大危险源的货种安全风险叠加点插入防碰撞提示,基于修改后的所述目标调度任务信息向目标企业发出安全预警。
上述一种基于云平台的港区企业集群式安全责任预警方法中,能够产生解决背景技术中所提出的技术问题的如下有益效果:
通过储罐组信息构建得到港区交通的基础模型,从而得以根据港区重大危险源的储罐组安全基础模型对区域内的安全风险情况进行基础的预测。随后,可以根据调度任务信息对每一项货运任务进行分析处理,并将每一项货运任务的仓储单位构建为包围体模型,从而得以通过包围体模型对整个货种的储存空间情况进行概括,同时得以将整个车辆的空间情况应用到后续的碰撞预警中。随后,在港区重大危险源的储罐组安全基础模型上按照预设的行驶重大危险源的储罐组内的货种对事故风险情况进行模拟,从而得以掌握与事故安全风险模型为基础,在按照重大危险源的储罐组内的货种储运的过程中可能存在的安全风险情况,最后得以根据检测得到的重大危险源的货种安全风险叠加点进行安全预警。在模拟中,以储罐群组以及货种组成的包围体模型作为对象进行仿真,同时对货品属性进行考虑,有助于降低危险品货物带来的安全隐患。最终有助于提高港区储罐组群的安全稳定性。
在其中一个实施例中,所述路段信息还包括载具信息以及货物信息,所述步骤202包括:
步骤301:调用预设的包围体算法,基于所述载具信息创建载具包围体模型,基于所述货物信息创建货物包围体模型。
步骤302:基于所述货物装配信息将所述载具包围体模型与所述货物包围体模型组合,所述货物装配信息包括相对位置以及相对姿态。
本实施例中,对载具和货种分别创建包围体模型,有助于借助包围体模型概括货种和安全风险的大小,从而有助于精确地实现对仓储过程及货种的安全风险预警。在组合的过程中,以储罐群组和货种的相对位置关系以及姿态为基础进行组合,有助于使得组合后的包围体模型更加贴合货种在装载、仓储途中的实际情况,从而有助于进一步提高安全风险的准确度。
在其中一个实施例中,所述步骤302之后,还包括:
步骤401:将组合后的所述载具包围体模型以及所述货物包围体模型的尺寸按照预设的比例进行数值膨胀处理,获取所述储罐仓储单元包围体模型。
本实施例中,将组合后的包围体模型进行膨胀,有助于为储罐仓储单元包围体模型提供一定的冗余量空间,有助于降低在车辆行驶中的偏移情况导致的碰撞事故,从而有助于进一步提高港区重大危险源的储罐组安全的稳定性。
在其中一个实施例中,所述步骤203包括:
步骤501:基于所述港区重大危险源的储罐组安全基础模型构建三轴空间坐标系。
步骤502:在所述动态模拟中分别获取每个所述储罐仓储单元包围体模型在所述三轴空间坐标系的每个坐标面上的投影图形。
步骤503:当不同的所述储罐仓储单元包围体模型的投影图形重叠时,将重叠位置记录为所述储罐仓储单元包围体模型的所述重大危险源的货种安全风险叠加点。
本实施例中,基于储罐仓储单元包围体模型在空间坐标系中的投影是否存在重叠来检测碰撞情况,有助于将三维空间中的立体碰撞情况简化为二维空间中的图形碰撞情况,有助于降低碰撞模拟的计算量,从而提高服务器对港区内交通的预警效率。
在其中一个实施例中,所述步骤503包括:
步骤601:若两个所述投影图形之间的最小距离小于预设的安全距离,则同样判定与所述投影图形对应的所述储罐仓储单元包围体模型存在重大危险源的货种安全风险叠加点。
本实施例中,设定安全距离来扩大碰撞情况的检测范围,有助于避免出现两车距离极近的极端情况,有助于提高港区储罐群组的安全性。
在其中一个实施例中,所述方法还包括:
步骤701:基于所述目标调度任务信息,获取货物属性类别。
步骤702:根据所述货物属性类别在预设的货品管理数据库中确定与目标货物存在风险反应的第一货品类型。
步骤703:在所述动态模拟中,提高属于所述第一货品类型的第一储罐仓储单元包围体模型与所述目标货物之间的所述安全距离。
本实施例中,对货物属性进行识别,有助于针对危险品货物进行特殊处理,提高对危险品货物所设定的安全空间,从而降低危险品货物在储罐群组的储存中受到冲击等事故导致灾难性后果的可能性。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的一种基于云平台的港区企业集群式安全责任预警方法的系统。该系统所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个系统实施例中的具体限定可以参见上文中对于一种基于云平台的港区企业集群式安全责任预警方法的限定,在此不再赘述。
在一个实施例中,如图3所示,提供了一种基于云平台的港区企业集群式安全责任预警系统。所述系统包括:
储罐组模型模块,用于获取目标港区的储罐组信息,基于所述储罐组信息构建港区重大危险源的储罐组安全基础模型,所述储罐组信息包括节点信息以及路段信息,所述路段信息与至少两个所述节点信息关联;
储罐仓储单元模块,用于获取待处理的目标调度任务信息,基于所述目标调度任务信息创建目标储罐仓储单元包围体模型,所述目标调度任务信息包括预设重大危险源的储罐组内的货种;
动态模拟模块,用于将所述目标储罐仓储单元包围体模型载入所述港区重大危险源的储罐组安全基础模型,基于所述目标调度任务信息中的预设重大危险源的储罐组内的货种与所述港区重大危险源的储罐组安全基础模型中的其他储罐仓储单元包围体模型执行动态模拟;
碰撞预警模块,用于若所述目标储罐仓储单元包围体模型与其他所述储罐仓储单元包围体模型存在重大危险源的货种安全风险叠加点,则在所述预设重大危险源的储罐组内的货种中的所述重大危险源的货种安全风险叠加点插入防碰撞提示,基于修改后的所述目标调度任务信息向目标企业发出安全预警。
在其中一个实施例中,所述路段信息还包括载具信息以及货物信息,所述储罐仓储单元模块包括:
分体模型模块,用于调用预设的包围体算法,基于所述载具信息创建载具包围体模型,基于所述货物信息创建货物包围体模型;
模型组合模块,用于基于所述货物装配信息将所述载具包围体模型与所述货物包围体模型组合,所述货物装配信息包括相对位置以及相对姿态。
在其中一个实施例中,所述模型组合模块之后,还包括:
模型膨胀模块,用于将组合后的所述载具包围体模型以及所述货物包围体模型的尺寸按照预设的比例进行数值膨胀处理,获取所述储罐仓储单元包围体模型。
在其中一个实施例中,所述动态模拟模块包括:
空间坐标模块,用于基于所述港区重大危险源的储罐组安全基础模型构建三轴空间坐标系;
模型投影模块,用于在所述动态模拟中分别获取每个所述储罐仓储单元包围体模型在所述三轴空间坐标系的每个坐标面上的投影图形;
重叠检测模块,用于当不同的所述储罐仓储单元包围体模型的投影图形重叠时,将重叠位置记录为所述储罐仓储单元包围体模型的所述重大危险源的货种安全风险叠加点。
在其中一个实施例中,所述重叠检测模块包括:
安全距离模块,用于若两个所述投影图形之间的最小距离小于预设的安全距离,则同样判定与所述投影图形对应的所述储罐仓储单元包围体模型存在重大危险源的货种安全风险叠加点。
在其中一个实施例中,所述系统还包括:
货物属性模块,用于基于所述目标调度任务信息,获取货物属性类别;
类别检测模块,用于根据所述货物属性类别在预设的货品管理数据库中确定与目标货物存在风险反应的第一货品类型;
安全距离调整模块,用于在所述动态模拟中,提高属于所述第一货品类型的第一储罐仓储单元包围体模型与所述目标货物之间的所述安全距离。
上述一种基于云平台的港区企业集群式安全责任预警系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于云平台的港区企业集群式安全责任预警方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (7)
1.一种基于云平台的港区企业集群式安全责任预警方法,其特征在于,所述方法包括:
获取目标港区的储罐组信息,基于所述储罐组信息构建港区重大危险源的储罐组安全基础模型,所述储罐组信息包括节点信息以及路段信息,所述路段信息与至少两个所述节点信息关联;
获取待处理的目标调度任务信息,基于所述目标调度任务信息创建目标储罐仓储单元包围体模型,所述目标调度任务信息包括预设重大危险源的储罐组内的货种;
将所述目标储罐仓储单元包围体模型载入所述港区重大危险源的储罐组安全基础模型,基于所述目标调度任务信息中的预设重大危险源的储罐组内的货种与所述港区重大危险源的储罐组安全基础模型中的其他储罐仓储单元包围体模型执行动态模拟;
若所述目标储罐仓储单元包围体模型与其他所述储罐仓储单元包围体模型存在重大危险源的货种安全风险叠加点,则在所述预设重大危险源的储罐组内的货种中的所述重大危险源的货种安全风险叠加点插入防碰撞提示,基于修改后的所述目标调度任务信息向目标企业发出安全预警;
所述路段信息还包括载具信息以及货物信息,所述获取待处理的目标调度任务信息,基于所述目标调度任务信息创建目标储罐仓储单元包围体模型包括:
调用预设的包围体算法,基于所述载具信息创建载具包围体模型,基于所述货物信息创建货物包围体模型;
基于货物装配信息将所述载具包围体模型与所述货物包围体模型组合,所述货物装配信息包括相对位置以及相对姿态;
所述基于所述货物装配信息将所述载具包围体模型与所述货物包围体模型组合,所述货物装配信息包括相对位置以及相对姿态之后,还包括:
将组合后的所述载具包围体模型以及所述货物包围体模型的尺寸按照预设的比例进行数值膨胀处理,获取所述储罐仓储单元包围体模型。
2.根据权利要求1所述的一种基于云平台的港区企业集群式安全责任预警方法,其特征在于,所述将所述目标储罐仓储单元包围体模型载入所述港区重大危险源的储罐组安全基础模型,基于所述目标调度任务信息中的预设重大危险源的储罐组内的货种与所述港区重大危险源的储罐组安全基础模型中的其他储罐仓储单元包围体模型执行动态模拟包括:
基于所述港区重大危险源的储罐组安全风险分析基础模型构建三轴空间坐标系;
在所述动态模拟中分别获取每个所述储罐仓储单元包围体模型在所述三轴空间坐标系的每个坐标面上的投影图形;
当不同的所述储罐仓储单元包围体模型的投影图形重叠时,将重叠位置记录为所述储罐仓储单元包围体模型的所述重大危险源的货种安全风险叠加点。
3.根据权利要求2所述的一种基于云平台的港区企业集群式安全责任预警方法,其特征在于,所述当不同的所述储罐仓储单元包围体模型的投影图形重叠时,将重叠位置记录为所述储罐仓储单元包围体模型的所述重大危险源的货种安全风险叠加点包括:
若两个所述投影图形之间的最小距离小于预设的安全距离,则同样判定与所述投影图形对应的所述储罐仓储单元包围体模型存在重大危险源的货种安全风险叠加点。
4.根据权利要求3所述的一种基于云平台的港区企业集群式安全责任预警方法,其特征在于,所述方法还包括:
基于所述目标调度任务信息,获取货物属性类别;
根据所述货物属性类别在预设的货品管理数据库中确定与目标货物存在风险反应的第一货品类型;
在所述动态模拟中,提高属于所述第一货品类型的第一储罐仓储单元包围体模型与所述目标货物之间的所述安全距离。
5.一种基于云平台的港区企业集群式安全责任预警系统,其特征在于,所述系统包括:
储罐组模型模块,用于获取目标港区的储罐组信息,基于所述储罐组信息构建港区重大危险源的储罐组安全基础模型,所述储罐组信息包括节点信息以及路段信息,所述路段信息与至少两个所述节点信息关联;
储罐仓储单元模块,用于获取待处理的目标调度任务信息,基于所述目标调度任务信息创建目标储罐仓储单元包围体模型,所述目标调度任务信息包括预设重大危险源的储罐组内的货种;
动态模拟模块,用于将所述目标储罐仓储单元包围体模型载入所述港区重大危险源的储罐组安全基础模型,基于所述目标调度任务信息中的预设重大危险源的储罐组内的货种与所述港区重大危险源的储罐组安全基础模型中的其他储罐仓储单元包围体模型执行动态模拟;
碰撞预警模块,用于若所述目标储罐仓储单元包围体模型与其他所述储罐仓储单元包围体模型存在重大危险源的货种安全风险叠加点,则在所述预设重大危险源的储罐组内的货种中的所述重大危险源的货种安全风险叠加点插入防碰撞提示,基于修改后的所述目标调度任务信息向目标企业发出安全预警;
所述路段信息还包括载具信息以及货物信息,所述储罐仓储单元模块包括:
分体模型模块,用于调用预设的包围体算法,基于所述载具信息创建载具包围体模型,基于所述货物信息创建货物包围体模型;
模型组合模块,用于基于所述货物装配信息将所述载具包围体模型与所述货物包围体模型组合,所述货物装配信息包括相对位置以及相对姿态;
在其中一个实施例中,所述模型组合模块之后,还包括:
模型膨胀模块,用于将组合后的所述载具包围体模型以及所述货物包围体模型的尺寸按照预设的比例进行数值膨胀处理,获取所述储罐仓储单元包围体模型。
6.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311386464.6A CN117114547B (zh) | 2023-10-25 | 2023-10-25 | 基于云平台的港区企业集群式安全责任预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311386464.6A CN117114547B (zh) | 2023-10-25 | 2023-10-25 | 基于云平台的港区企业集群式安全责任预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117114547A CN117114547A (zh) | 2023-11-24 |
CN117114547B true CN117114547B (zh) | 2024-02-02 |
Family
ID=88813233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311386464.6A Active CN117114547B (zh) | 2023-10-25 | 2023-10-25 | 基于云平台的港区企业集群式安全责任预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117114547B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615707A (zh) * | 2018-12-13 | 2019-04-12 | 佛山市超体软件科技有限公司 | 一种三维模型处理方法、装置、计算机设备和存储介质 |
CN111708361A (zh) * | 2020-05-19 | 2020-09-25 | 上海有个机器人有限公司 | 多机器人碰撞预测方法和装置 |
CN113978457A (zh) * | 2021-12-24 | 2022-01-28 | 深圳佑驾创新科技有限公司 | 一种碰撞风险预测方法及装置 |
CN115994689A (zh) * | 2023-03-22 | 2023-04-21 | 交通运输部水运科学研究所 | 一种智慧码头港区危险货物安全运输的管理方法及装置 |
CN116596425A (zh) * | 2023-06-25 | 2023-08-15 | 交通运输部水运科学研究所 | 基于渗流分析石化港区槽罐车安全调度方法和系统 |
CN116935616A (zh) * | 2023-07-18 | 2023-10-24 | 同济大学 | 面向港区车辆调度-规控耦合的智能集卡协同调度方法 |
-
2023
- 2023-10-25 CN CN202311386464.6A patent/CN117114547B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615707A (zh) * | 2018-12-13 | 2019-04-12 | 佛山市超体软件科技有限公司 | 一种三维模型处理方法、装置、计算机设备和存储介质 |
CN111708361A (zh) * | 2020-05-19 | 2020-09-25 | 上海有个机器人有限公司 | 多机器人碰撞预测方法和装置 |
CN113978457A (zh) * | 2021-12-24 | 2022-01-28 | 深圳佑驾创新科技有限公司 | 一种碰撞风险预测方法及装置 |
CN115994689A (zh) * | 2023-03-22 | 2023-04-21 | 交通运输部水运科学研究所 | 一种智慧码头港区危险货物安全运输的管理方法及装置 |
CN116596425A (zh) * | 2023-06-25 | 2023-08-15 | 交通运输部水运科学研究所 | 基于渗流分析石化港区槽罐车安全调度方法和系统 |
CN116935616A (zh) * | 2023-07-18 | 2023-10-24 | 同济大学 | 面向港区车辆调度-规控耦合的智能集卡协同调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117114547A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dragović et al. | Simulation modelling in ports and container terminals: literature overview and analysis by research field, application area and tool | |
Litvinchev et al. | Packing circular-like objects in a rectangular container | |
Neilson et al. | Still waiting, still moving: On labour, logistics and maritime industries | |
Arango et al. | Simulation‐optimization models for the dynamic berth allocation problem | |
US20170371948A1 (en) | Querying A Database With Morphology Criterion | |
Zolkin et al. | Application of the modern information technologies for design and monitoring of business processes of transport and logistics system | |
Polyzos et al. | Evaluating port efficiency in the Mediterranean | |
CN117114547B (zh) | 基于云平台的港区企业集群式安全责任预警方法及系统 | |
Freitag et al. | Dynamics in Logistics | |
Behdani | Port 4.0: a conceptual model for smart port digitalization | |
Lin et al. | Research on information security system of ship platform based on cloud computing | |
CN107921979A (zh) | 列车告警处理方法和系统 | |
Fedorko et al. | Application of the Tecnomatix Plant Simulation Program to modelling the handling of ocean containers using the AGV system | |
Li et al. | A Feature‐Extraction‐Based Lightweight Convolutional and Recurrent Neural Networks Adaptive Computing Model for Container Terminal Liner Handling Volume Forecasting | |
Ilin et al. | Smart containers technology evaluation in an enterprise architecture context (business case for container liner shipping industry) | |
Shetty et al. | Optical container code recognition and its impact on the maritime supply chain | |
CN116450620A (zh) | 面向多源多域时空基准数据的数据库设计方法及系统 | |
Thompson et al. | Parallel cuda implementation of conflict detection for application to airspace deconfliction | |
Abourraja et al. | Proposal of a module-driven architecture for building simulation models devoted to container terminals: dilemmas in applying generic, flexible, and modular principles | |
Park et al. | Real-Time Location Tracking System suitable for Global Shipping Logistics | |
CN113642156B (zh) | 一种堆垛机立库的仿真建模系统及其使用方法 | |
An et al. | Design of a visual analysis platform for sea route based on AIS data | |
Kartashov et al. | Synthesis of Spherical Object Configurations: Models and Information Technologies. | |
Karasek et al. | Logistic warehouse process optimization through genetic programming algorithm | |
Ben Rabia et al. | Machine Learning for Predicting Prices and Empty Returns in Road Freight Transportation: Enhancing Efficiency and Sustainability |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |